EP3462377B1 - Procédé et appareil permettant d'identifier une voie de conduite - Google Patents
Procédé et appareil permettant d'identifier une voie de conduite Download PDFInfo
- Publication number
- EP3462377B1 EP3462377B1 EP18167581.0A EP18167581A EP3462377B1 EP 3462377 B1 EP3462377 B1 EP 3462377B1 EP 18167581 A EP18167581 A EP 18167581A EP 3462377 B1 EP3462377 B1 EP 3462377B1
- Authority
- EP
- European Patent Office
- Prior art keywords
- lane
- image
- road
- driving lane
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 81
- 230000011218 segmentation Effects 0.000 claims description 96
- 230000008859 change Effects 0.000 claims description 33
- 230000015654 memory Effects 0.000 claims description 25
- 239000000284 extract Substances 0.000 claims description 23
- 230000001131 transforming effect Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 11
- 238000002372 labelling Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 39
- 238000013527 convolutional neural network Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001025261 Neoraja caerulea Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000009545 invasion Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/215—Motion-based segmentation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Claims (14)
- Procédé d'identification d'une voie de circulation, comprenant les opérations consistant à :obtenir (110) une image d'entrée ;segmenter l'image d'entrée en objets présents dans l'image d'entrée, ce qui comprend :segmenter l'image d'entrée en unités sémantiques,déterminer une sémantique d'une région segmentée à l'échelle du pixel, eteffectuer un étiquetage pour chaque classe d'une pluralité de classes afin d'obtenir une image de segmentation ;extraire (120), à l'aide d'un apprentissage automatique, un marquage routier de l'image d'entrée, le marquage routier comprenant une ligne marquée sur une surface d'une route et une indication routière telle qu'une signalisation et/ou un caractère marqué sur la surface de la route,ladite extraction (120) du marquage routier comprenant les opérations consistant à :extraire (210) de l'image d'entrée des pixels correspondant audit marquage routier, etclasser (220) les pixels en groupes et supprimer (240) un groupe correspondant à l'indication routière ;générer (130) une image de voies virtuelles multiples dans laquelle sont indiquées des voies virtuelles, à l'aide du marquage routier et de l'image de segmentation ; etidentifier (140) une voie de circulation d'un véhicule compte tenu d'un emplacement relatif de la voie de circulation dans l'image de voies virtuelles multiples.
- Procédé selon la revendication 1, dans lequel l'image d'entrée est une image de l'avant du véhicule, et l'image comprend une route sur laquelle circule le véhicule ou une partie de délimitation de route d'au moins un côté gauche ou un côté droit de la route.
- Procédé selon l'une quelconque des revendications précédentes, comprenant au moins l'une des caractéristiques suivantes :ladite suppression (120) du groupe correspondant à l'indication routière comprend les opérations consistant à :classer (220) les pixels en groupes à l'aide d'une opération impliquant les composants connectés,déterminer (230) si chacun des groupes de pixels correspond à la ligne ou à l'indication routière, etsupprimer (240) le groupe correspondant à l'indication routière ;ladite génération (130) de l'image de voies virtuelles multiples comprenant les opérations consistant à :extraire (310) une ligne de délimitation de voie gauche et une ligne de délimitation de voie droite propres à la voie de circulation à l'aide d'un groupe correspondant à la ligne,générer (320) des lignes virtuelles par ajustement de la ligne de délimitation de voie gauche et de la ligne de délimitation de voie droite dans l'image de segmentation, etgénérer l'image de voies virtuelles multiples par disposition des lignes virtuelles en parallèle respectivement sur un côté gauche et un côté droit de la ligne de délimitation de voie gauche et de la ligne de délimitation de voie droite, à des intervalles équidistants dans l'image de segmentation ;ladite génération de l'image de voies virtuelles multiples comprenant les opérations consistant à :
générer l'image de voies virtuelles multiples par propagation d'une ligne de délimitation de voie gauche et d'une ligne de délimitation de voie droite propres à la voie de circulation respectivement vers un côté gauche et un côté droit, à des intervalles équidistants dans l'image de segmentation,ladite identification (140) de la voie de circulation comprenant les opérations consistant à :déterminer (410) le nombre de voies de l'image de voies virtuelles multiples compte tenu du fait que l'image de voies virtuelles multiples correspond ou non à un composant de route dans l'image de segmentation, etidentifier (420) la voie de circulation par détermination d'un emplacement relatif de la voie de circulation sur une route sur laquelle circule le véhicule, compte tenu du nombre déterminé de voies de l'image de voies virtuelles multiples. - Procédé selon l'une quelconque des revendications précédentes, comprenant en outre l'opération consistant à :
obtenir (560) le nombre de voies d'une route sur laquelle circule le véhicule, le nombre de voies de ladite route étant de préférence obtenu à partir d'informations cartographiques. - Procédé selon la revendication 4, dans lequel l'identification de la voie de circulation comprend l'opération consistant à :
identifier la voie de circulation du véhicule compte tenu de l'emplacement relatif de la voie de circulation dans l'image de voies virtuelles multiples, lequel est déterminé compte tenu du nombre de voies de la route et du nombre de voies de l'image de voies virtuelles multiples. - Procédé selon l'une quelconque des revendications précédentes, comprenant en outre l'opération consistant à :
transformer l'image d'entrée en une image en vue de dessus, la transformation de l'image d'entrée en image en vue de dessus comprenant de préférence les opérations consistant à :transformer l'image d'entrée et l'image de segmentation respectivement en une image d'entrée en vue de dessus et une image de segmentation en vue de dessus, etsupprimer une composante de perspective de l'image d'entrée en vue de dessus et de l'image de segmentation en vue de dessus. - Procédé selon l'une quelconque des revendications précédentes, comprenant en outre l'opération consistant à :
effectuer l'obtention, l'extraction, la segmentation, la génération et l'identification en réaction à la reconnaissance d'un changement dans l'environnement de conduite, ledit changement dans l'environnement de conduite comprenant de préférence un changement de voie de circulation réalisé par le véhicule, une sortie du véhicule de la voie de circulation, une entrée d'un véhicule proche dans la voie de circulation et/ou un changement concernant le marquage routier. - Support de stockage non transitoire lisible par ordinateur sur lequel sont stockées des instructions qui, lorsqu'elles sont exécutées par un processeur, amènent le processeur à exécuter les étapes du procédé de l'une quelconque des revendications précédentes.
- Dispositif (1900) permettant d'identifier une voie de circulation, comprenant :un capteur d'image (1910) conçu pour capturer une image d'entrée (1100), etun processeur (1930) conçu pour :segmenter l'image d'entrée en unités sémantiques, déterminer une sémantique d'une région segmentée à l'échelle du pixel, et effectuer un étiquetage pour chaque classe d'une pluralité de classes afin d'obtenir une image de segmentation (1200),extraire, à l'aide d'un apprentissage automatique, un marquage routier de l'image d'entrée, le marquage routier comprenant une ligne marquée sur une surface d'une route et une indication routière telle qu'une signalisation et/ou un caractère marqué sur la surface de la route,générer une image de voies virtuelles multiples dans laquelle sont indiquées des voies virtuelles, à l'aide du marquage routier et de l'image de segmentation, etidentifier une voie de circulation d'un véhicule compte tenu d'un emplacement relatif dans l'image de voies virtuelles multiples,ledit processeur, pour extraire le marquage routier de l'image d'entrée, étant en outre conçu pour :extraire de l'image d'entrée les pixels correspondant audit marquage routier,classer les pixels en groupes à l'aide d'une opération impliquant les composants connectés,déterminer si chacun des groupes de pixels correspond à une ligne ou à une indication routière, etsupprimer le groupe correspondant à l'indication routière.
- Dispositif (1900) selon la revendication 9, comprenant en outre :
une mémoire (1940) conçue pour stocker l'image d'entrée, l'image de segmentation, un emplacement relatif de l'image de voies virtuelles multiples, des informations cartographiques et/ou des informations de navigation. - Dispositif (1900) selon la revendication 9 ou 10, comprenant au moins l'une des caractéristiques suivantes :
le processeur (1930) est en outre conçu pour :déterminer le nombre de voies de l'image de voies virtuelles multiples compte tenu du fait que l'image de voies virtuelles multiples correspond ou non à un composant de route dans l'image de segmentation, etidentifier la voie de circulation par détermination d'un emplacement relatif de la voie de circulation sur une route sur laquelle circule le véhicule, compte tenu du nombre de voies de l'image de voies virtuelles multiples ;le processeur est en outre conçu pour :transformer l'image d'entrée et l'image de segmentation respectivement en une image d'entrée en vue de dessus et une image de segmentation en vue de dessus, etsupprimer une composante de perspective de l'image d'entrée en vue de dessus et de l'image de segmentation en vue de dessus. - Dispositif (1900) selon l'une quelconque des revendications 9 à 11, comprenant en outre :une interface de communication (1920) conçue pour recevoir des informations cartographiques, des informations de navigation correspondant à la route sur laquelle circule le véhicule et comprenant le nombre de voies de la route ;ledit processeur (1930) étant en outre conçu pour identifier la voie de circulation du véhicule compte tenu de l'emplacement relatif dans l'image de voies virtuelles multiples, lequel est déterminé compte tenu du nombre de voies de la route ;ledit processeur (1930) étant de préférence conçu en outre pour reconnaître un changement dans l'environnement de conduite, etpour identifier la voie de circulation, en réaction à la reconnaissance du changement dans l'environnement de conduite.
- Dispositif de navigation comprenant le dispositif selon l'une quelconque des revendications 9 à 12, comprenant :un capteur conçu pour capturer une image de l'avant d'un véhicule, etun processeur conçu pour :générer une image de segmentation par segmentation de l'image en parties correspondant aux objets présents dans l'image d'entrée,identifier une ligne de délimitation de voie gauche et une ligne de délimitation de voie droite à partir de l'image,générer des lignes virtuelles compte tenu de l'ajustement de la ligne de délimitation de voie gauche et de la ligne de délimitation de voie droite dans l'image de segmentation,générer une image à voies virtuelles multiples compte tenu de la disposition des lignes virtuelles en parallèle à des intervalles équidistants dans l'image de segmentation,déterminer le nombre de voies de l'image de voies virtuelles multiples compte tenu du fait que l'image de voies virtuelles multiples correspond ou non à un objet routier présent dans l'image de segmentation, etidentifier une voie de circulation du véhicule compte tenu d'un emplacement relatif de la voie de circulation parmi le nombre déterminé de voies de l'image de voies virtuelles multiples.
- Véhicule comprenant un dispositif de navigation selon la revendication 13.
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170126241A KR102421855B1 (ko) | 2017-09-28 | 2017-09-28 | 주행 차로를 식별하는 방법 및 장치 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| EP3462377A2 EP3462377A2 (fr) | 2019-04-03 |
| EP3462377A3 EP3462377A3 (fr) | 2019-05-08 |
| EP3462377B1 true EP3462377B1 (fr) | 2024-02-14 |
Family
ID=62063305
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| EP18167581.0A Active EP3462377B1 (fr) | 2017-09-28 | 2018-04-16 | Procédé et appareil permettant d'identifier une voie de conduite |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10740626B2 (fr) |
| EP (1) | EP3462377B1 (fr) |
| JP (2) | JP7385348B2 (fr) |
| KR (1) | KR102421855B1 (fr) |
| CN (1) | CN109584578B (fr) |
Families Citing this family (49)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102628654B1 (ko) * | 2016-11-07 | 2024-01-24 | 삼성전자주식회사 | 차선을 표시하는 방법 및 장치 |
| US11216004B2 (en) * | 2017-11-07 | 2022-01-04 | Uatc, Llc | Map automation—lane classification |
| DE102018213191A1 (de) * | 2018-05-09 | 2019-11-14 | Conti Temic Microelectronic Gmbh | Verfahren zur Fahrspur- und Fahrbahndetektion |
| EP3576010A1 (fr) * | 2018-05-31 | 2019-12-04 | KPIT Technologies Ltd. | Système et procédé de détection d'espaces de stationnement libres pour un véhicule |
| GB201809604D0 (en) * | 2018-06-12 | 2018-07-25 | Tom Tom Global Content B V | Generative adversarial networks for image segmentation |
| CN108871368B (zh) * | 2018-08-06 | 2020-12-29 | 武汉中海庭数据技术有限公司 | 一种高精度地图车道横向拓扑关系的构建方法、系统及存储器 |
| KR102595897B1 (ko) | 2018-08-27 | 2023-10-30 | 삼성전자 주식회사 | 차선 결정 방법 및 장치 |
| CN109389650B (zh) * | 2018-09-30 | 2021-01-12 | 京东方科技集团股份有限公司 | 一种车载相机的标定方法、装置、车辆和存储介质 |
| CN113163133A (zh) * | 2018-10-15 | 2021-07-23 | 华为技术有限公司 | 一种图像处理方法、装置与设备 |
| KR20200046167A (ko) * | 2018-10-17 | 2020-05-07 | 주식회사 만도 | 가상 차량 경계를 결정하는 제어방법 및 그 제어방법을 제공하는 차량 |
| DE102018218043A1 (de) * | 2018-10-22 | 2020-04-23 | Robert Bosch Gmbh | Ermittlung einer Anzahl von Fahrspuren sowie von Spurmarkierungen auf Straßenabschnitten |
| US11003920B2 (en) * | 2018-11-13 | 2021-05-11 | GM Global Technology Operations LLC | Detection and planar representation of three dimensional lanes in a road scene |
| US11232705B2 (en) * | 2018-11-28 | 2022-01-25 | Toyota Jidosha Kabushiki Kaisha | Mitigation of traffic oscillation on roadway |
| KR20200069542A (ko) * | 2018-12-07 | 2020-06-17 | 팅크웨어(주) | 차선 내 안내 정보 추출을 통한 경로 안내 방법 및 이를 수행하는 전자 기기 |
| US20200189459A1 (en) * | 2018-12-13 | 2020-06-18 | GM Global Technology Operations LLC | Method and system for assessing errant threat detection |
| KR102177880B1 (ko) * | 2019-03-08 | 2020-11-12 | 현대모비스 주식회사 | 자율주행용 클래스 레이블링 장치 |
| CN110136222B (zh) * | 2019-04-17 | 2023-05-26 | 阿波罗智能技术(北京)有限公司 | 虚拟车道线生成方法、装置及系统 |
| US10887928B2 (en) | 2019-04-24 | 2021-01-05 | Here Global B.V. | Lane aware clusters for vehicle to vehicle communication |
| CN110321877B (zh) * | 2019-06-04 | 2022-09-16 | 中北大学 | 一种三目后视镜和三目视觉安全驾驶方法和系统 |
| JP2020201649A (ja) * | 2019-06-07 | 2020-12-17 | トヨタ自動車株式会社 | 地図生成装置、地図生成方法及び地図生成用コンピュータプログラム |
| KR102316818B1 (ko) * | 2019-06-12 | 2021-10-25 | 주식회사 카카오 | 도로 네트워크를 갱신하는 방법 및 장치 |
| CN112084822A (zh) * | 2019-06-14 | 2020-12-15 | 富士通株式会社 | 车道检测装置及方法、电子设备 |
| CN110763246A (zh) * | 2019-08-06 | 2020-02-07 | 中国第一汽车股份有限公司 | 自动驾驶车辆路径规划方法、装置、车辆及存储介质 |
| CN110414487B (zh) * | 2019-08-16 | 2022-05-13 | 东软睿驰汽车技术（沈阳）有限公司 | 一种识别车道线的方法及装置 |
| CN114787739A (zh) * | 2019-11-15 | 2022-07-22 | 伟摩有限责任公司 | 使用向量化输入的智能体轨迹预测 |
| CN110825093B (zh) * | 2019-11-28 | 2021-04-16 | 安徽江淮汽车集团股份有限公司 | 自动驾驶策略生成方法、装置、设备及存储介质 |
| CN110989624B (zh) * | 2019-12-25 | 2023-03-31 | 东软睿驰汽车技术（沈阳）有限公司 | 行车控制方法、装置及车辆 |
| CN111199194A (zh) * | 2019-12-25 | 2020-05-26 | 吉林大学 | 基于机器视觉和深度学习的汽车智能座舱仪表测试方法 |
| US11180165B2 (en) * | 2019-12-26 | 2021-11-23 | Baidu Usa Llc | Autonomous driving vehicle three-point turn |
| US11244500B2 (en) * | 2019-12-31 | 2022-02-08 | Woven Planet North America, Inc. | Map feature extraction using overhead view images |
| US11288522B2 (en) * | 2019-12-31 | 2022-03-29 | Woven Planet North America, Inc. | Generating training data from overhead view images |
| US11037328B1 (en) | 2019-12-31 | 2021-06-15 | Lyft, Inc. | Overhead view image generation |
| KR20210112672A (ko) * | 2020-03-05 | 2021-09-15 | 삼성전자주식회사 | 객체를 검출하기 위한 프로세서 및 객체 검출 방법 |
| CN111780771B (zh) * | 2020-05-12 | 2022-09-23 | 驭势科技（北京）有限公司 | 一种定位方法、装置、电子设备及计算机可读存储介质 |
| KR102342414B1 (ko) | 2020-05-29 | 2021-12-24 | 서울대학교산학협력단 | 악천후 자율주행을 위한 교통 흐름 정보 인지 기반 가상 차선 생성 장치 및 방법 |
| CN111652112B (zh) * | 2020-05-29 | 2023-06-30 | 阿波罗智联(北京)科技有限公司 | 一种车道流向的识别方法、装置、电子设备及存储介质 |
| CN111783651B (zh) * | 2020-06-30 | 2024-01-12 | 北京百度网讯科技有限公司 | 路面元素识别方法、装置、电子设备和存储介质 |
| JPWO2022091478A1 (fr) * | 2020-10-29 | 2022-05-05 | ||
| US20220147746A1 (en) * | 2020-11-10 | 2022-05-12 | Nec Laboratories America, Inc. | End-to-end parametric road layout prediction with cheap supervision |
| JPWO2022118422A1 (fr) * | 2020-12-03 | 2022-06-09 | ||
| CN112376340B (zh) * | 2020-12-03 | 2022-02-22 | 吉林大学 | 一种左转路口导向线及左转停止线设计方法 |
| CN112541437A (zh) * | 2020-12-15 | 2021-03-23 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、电子设备及存储介质 |
| CN112801021B (zh) * | 2021-02-09 | 2022-07-08 | 福州大学 | 基于多级语义信息的车道线检测方法及系统 |
| JP2022146655A (ja) * | 2021-03-22 | 2022-10-05 | トヨタ自動車株式会社 | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム |
| CN114620055B (zh) * | 2022-03-15 | 2022-11-25 | 阿波罗智能技术(北京)有限公司 | 道路数据处理方法、装置、电子设备及自动驾驶车辆 |
| CN114674338B (zh) * | 2022-04-08 | 2024-05-07 | 石家庄铁道大学 | 基于分层输入输出和双注意力跳接的道路可行驶区域精细推荐方法 |
| KR102551145B1 (ko) * | 2022-11-30 | 2023-07-04 | 주식회사 모라이 | 주행 환경과 연관된 혼합 현실 영상 생성 방법 및 시스템 |
| CN115619856B (zh) * | 2022-12-05 | 2023-04-07 | 中质智通检测技术有限公司 | 基于车路协同感知的车道定位方法 |
| CN116630467A (zh) * | 2023-03-15 | 2023-08-22 | 广州小鹏自动驾驶科技有限公司 | 虚拟车道构建方法、装置、设备及计算机可读存储介质 |
Family Cites Families (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100355993B1 (ko) * | 2000-03-02 | 2002-10-12 | 엔알디테크 주식회사 | 차선 이탈 경보장치 및 방법 |
| JP4605145B2 (ja) | 2006-11-14 | 2011-01-05 | トヨタ自動車株式会社 | 車線検出装置 |
| EP2149132B1 (fr) * | 2007-05-25 | 2013-05-01 | Continental Teves AG & Co. oHG | Procédé et dispositif d'identification d'informations importantes pour le trafic |
| JP4506790B2 (ja) * | 2007-07-05 | 2010-07-21 | アイシン・エィ・ダブリュ株式会社 | 道路情報生成装置、道路情報生成方法および道路情報生成プログラム |
| US8670592B2 (en) * | 2008-04-24 | 2014-03-11 | GM Global Technology Operations LLC | Clear path detection using segmentation-based method |
| KR100917330B1 (ko) | 2008-06-30 | 2009-09-16 | 쌍용자동차 주식회사 | 차량의 탑뷰 모니터 시스템 및 방법 |
| US8204277B2 (en) * | 2008-07-18 | 2012-06-19 | GM Global Technology Operations LLC | Apparatus and method for camera-bases lane marker detection |
| US8055445B2 (en) | 2008-09-24 | 2011-11-08 | Delphi Technologies, Inc. | Probabilistic lane assignment method |
| KR100956858B1 (ko) | 2009-05-19 | 2010-05-11 | 주식회사 이미지넥스트 | 차량 주변 영상을 이용하는 차선 이탈 감지 방법 및 장치 |
| KR101936862B1 (ko) * | 2011-11-17 | 2019-04-04 | 현대모비스 주식회사 | 차량의 전방 영상 및 측방 영상을 이용한 차선 인식 향상 시스템 및 그 방법 |
| CN103164851B (zh) | 2011-12-09 | 2016-04-20 | 株式会社理光 | 道路分割物检测方法和装置 |
| KR101405193B1 (ko) | 2012-10-26 | 2014-06-27 | 현대자동차 주식회사 | 차로 인식 방법 및 시스템 |
| KR20140071174A (ko) * | 2012-12-03 | 2014-06-11 | 현대자동차주식회사 | 차량의 차선 가이드 장치 및 그 방법 |
| KR101836246B1 (ko) * | 2012-12-31 | 2018-03-08 | 현대자동차 주식회사 | 현재 차선 추정 방법 |
| JP5966965B2 (ja) | 2013-02-19 | 2016-08-10 | 株式会社デンソー | 車線境界線逸脱抑制装置及び車線境界線逸脱抑制方法 |
| JP5842110B2 (ja) * | 2013-10-10 | 2016-01-13 | パナソニックＩｐマネジメント株式会社 | 表示制御装置、表示制御プログラム、および記録媒体 |
| KR101906951B1 (ko) * | 2013-12-11 | 2018-10-11 | 한화지상방산 주식회사 | 차선 검출 시스템 및 차선 검출 방법 |
| EP2899669A1 (fr) | 2014-01-22 | 2015-07-29 | Honda Research Institute Europe GmbH | Procédé d'estimation de position relative de voie et système pour systèmes d'assistance au conducteur |
| KR101653491B1 (ko) | 2014-04-28 | 2016-09-12 | 한국과학기술원 | 다중 차로 검출 및 차로 변경 감지 기반의 차로 인식 방법 및 시스템 |
| KR101620425B1 (ko) | 2014-06-20 | 2016-05-13 | 주식회사 세인전장 | 주변 환경 정보를 이용한 차선 인식 시스템 및 그 방법 |
| KR101583797B1 (ko) | 2015-03-04 | 2016-01-08 | 군산대학교산학협력단 | 탑뷰 이미지 변환을 적용한 차선 인식 장치 및 방법 |
| KR101637535B1 (ko) | 2015-04-14 | 2016-07-07 | 주식회사 와이즈오토모티브 | 탑뷰 영상 왜곡 보정 장치 및 방법 |
| EP3098753A1 (fr) | 2015-05-28 | 2016-11-30 | Tata Consultancy Services Limited | Détection de voie de circulation |
| KR101738034B1 (ko) | 2015-07-09 | 2017-05-22 | 현대자동차주식회사 | 개선된 차선 인식 방법 |
| KR101714185B1 (ko) * | 2015-08-05 | 2017-03-22 | 엘지전자 주식회사 | 차량 운전 보조장치 및 이를 포함하는 차량 |
| US20170109458A1 (en) * | 2015-10-16 | 2017-04-20 | Ford Global Technologies, Llc | Testbed for lane boundary detection in virtual driving environment |
| US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
| KR101697484B1 (ko) | 2016-08-31 | 2017-01-18 | (주)캠시스 | 차량 주변의 위험요소 경고장치 및 경고방법 |
-
2017
- 2017-09-28 KR KR1020170126241A patent/KR102421855B1/ko active IP Right Grant
-
2018
- 2018-02-08 US US15/891,877 patent/US10740626B2/en active Active
- 2018-03-06 CN CN201810184058.4A patent/CN109584578B/zh active Active
- 2018-04-16 EP EP18167581.0A patent/EP3462377B1/fr active Active
- 2018-06-21 JP JP2018117924A patent/JP7385348B2/ja active Active
-
2023
- 2023-07-07 JP JP2023112466A patent/JP2023126327A/ja active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN109584578B (zh) | 2022-11-18 |
| KR102421855B1 (ko) | 2022-07-18 |
| CN109584578A (zh) | 2019-04-05 |
| JP7385348B2 (ja) | 2023-11-22 |
| JP2019067364A (ja) | 2019-04-25 |
| US20190095722A1 (en) | 2019-03-28 |
| US10740626B2 (en) | 2020-08-11 |
| EP3462377A2 (fr) | 2019-04-03 |
| JP2023126327A (ja) | 2023-09-07 |
| EP3462377A3 (fr) | 2019-05-08 |
| KR20190036844A (ko) | 2019-04-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3462377B1 (fr) | Procédé et appareil permettant d'identifier une voie de conduite | |
| US10599930B2 (en) | Method and apparatus of detecting object of interest | |
| EP3441909B1 (fr) | Procédé et appareil de détection de voie | |
| US11113544B2 (en) | Method and apparatus providing information for driving vehicle | |
| EP3376432B1 (fr) | Procédé et dispositif pour générer une voie virtuelle | |
| US11804047B2 (en) | Method and apparatus for recognizing object | |
| Nidamanuri et al. | A progressive review: Emerging technologies for ADAS driven solutions | |
| CN112287960B (zh) | 用于训练或再训练机器学习模型的地面真值数据的自动生成 | |
| US10685241B2 (en) | Method and apparatus for indicating lane | |
| CN106980813B (zh) | 机器学习的注视生成 | |
| Ghanem et al. | Lane detection under artificial colored light in tunnels and on highways: an IoT-based framework for smart city infrastructure | |
| US11294392B2 (en) | Method and apparatus for determining road line | |
| US11670087B2 (en) | Training data generating method for image processing, image processing method, and devices thereof | |
| US11486727B2 (en) | Map generation device, map generation method, and map generation computer program | |
| US20190163993A1 (en) | Method and apparatus for maintaining a lane | |
| US10885787B2 (en) | Method and apparatus for recognizing object | |
| CN111091037A (zh) | 用于确定驾驶信息的方法和设备 | |
| KR20200028679A (ko) | 차선을 검출하는 방법 및 장치 | |
| US20240119740A1 (en) | Method and apparatus with lane line determination | |
| Sujatha et al. | A Computer Vision Method for Detecting the Lanes and Finding the Direction of Traveling the Vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PUAI | Public reference made under article 153(3) epc to a published international application that has entered the european phase |
Free format text: ORIGINAL CODE: 0009012 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE APPLICATION HAS BEEN PUBLISHED |
|
| AK | Designated contracting states |
Kind code of ref document: A2 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
| AX | Request for extension of the european patent |
Extension state: BA ME |
|
| PUAL | Search report despatched |
Free format text: ORIGINAL CODE: 0009013 |
|
| AK | Designated contracting states |
Kind code of ref document: A3 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
| AX | Request for extension of the european patent |
Extension state: BA ME |
|
| RIC1 | Information provided on ipc code assigned before grant |
Ipc: G06K 9/00 20060101AFI20190403BHEP |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE |
|
| 17P | Request for examination filed |
Effective date: 20191107 |
|
| RBV | Designated contracting states (corrected) |
Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: EXAMINATION IS IN PROGRESS |
|
| 17Q | First examination report despatched |
Effective date: 20200528 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: EXAMINATION IS IN PROGRESS |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: EXAMINATION IS IN PROGRESS |
|
| P01 | Opt-out of the competence of the unified patent court (upc) registered |
Effective date: 20230519 |
|
| REG | Reference to a national code |
Ref country code: DE Ref legal event code: R079 Ref document number: 602018065130 Country of ref document: DE Free format text: PREVIOUS MAIN CLASS: G06K0009000000 Ipc: G06V0020560000 Ref country code: DE Free format text: PREVIOUS MAIN CLASS: G06K0009000000 |
|
| GRAP | Despatch of communication of intention to grant a patent |
Free format text: ORIGINAL CODE: EPIDOSNIGR1 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: GRANT OF PATENT IS INTENDED |
|
| RIC1 | Information provided on ipc code assigned before grant |
Ipc: G06V 20/56 20220101AFI20230803BHEP |
|
| INTG | Intention to grant announced |
Effective date: 20230906 |
|
| GRAS | Grant fee paid |
Free format text: ORIGINAL CODE: EPIDOSNIGR3 |
|
| GRAA | (expected) grant |
Free format text: ORIGINAL CODE: 0009210 |
|
| STAA | Information on the status of an ep patent application or granted ep patent |
Free format text: STATUS: THE PATENT HAS BEEN GRANTED |
|
| AK | Designated contracting states |
Kind code of ref document: B1 Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC MK MT NL NO PL PT RO RS SE SI SK SM TR |
|
| REG | Reference to a national code |
Ref country code: GB Ref legal event code: FG4D |
|
| REG | Reference to a national code |
Ref country code: CH Ref legal event code: EP |
|
| REG | Reference to a national code |
Ref country code: NL Ref legal event code: FP |
|
| REG | Reference to a national code |
Ref country code: DE Ref legal event code: R096 Ref document number: 602018065130 Country of ref document: DE |
|
| REG | Reference to a national code |
Ref country code: IE Ref legal event code: FG4D |